基于感興趣區(qū)域和SVM相關(guān)反饋的圖像檢索方法研究.pdf

1、信息時代因特網(wǎng)的普及，數(shù)字圖像處理技術(shù)的高速發(fā)展，使得大量的圖像涌現(xiàn)在社會的各個領(lǐng)域，如何從日益巨大的圖像庫中快速準(zhǔn)確地找到用戶心儀的圖像成為計算機(jī)視覺領(lǐng)域亟需解決的問題。因此，基于內(nèi)容的圖像檢索技術(shù)(CBIR)應(yīng)運(yùn)而生并成為國內(nèi)外相關(guān)學(xué)者研究的熱點之一。傳統(tǒng)的基于內(nèi)容的圖像檢索系統(tǒng)在檢索時通過獲取整幅圖像的全局特征進(jìn)行計算，這必然含有一些冗余信息從而給檢索帶來過多的計算量和不準(zhǔn)確性。正因為考慮到此種情況，本文將檢索的區(qū)域范圍從全局縮小

2、到局部，重點研究了基于用戶感興趣區(qū)域和支持向量機(jī)(SVM)相關(guān)反饋的圖像檢索。具體的研究工作如下：
　　針對現(xiàn)有基于興趣點凸包和興趣點等間隔同心圓環(huán)法的圖像檢索方法在確定圖像感興趣區(qū)域時易受處于圖像背景區(qū)域的游離興趣點影響的這一缺點，提出一種基于感興趣區(qū)域的圖像檢索方法。該方法首先檢測圖像的興趣點；然后計算興趣點在其各分布區(qū)域內(nèi)的密度比值，將興趣點密度比值較低的區(qū)域排除，留下興趣點密度比值較大的區(qū)域作為圖像的感興趣區(qū)域；最后融合圖

3、像感興趣區(qū)域內(nèi)顏色、紋理和形狀特征進(jìn)行檢索。實驗證明該方法能夠有效剔除游離興趣點，減少冗余計算量，獲得較為準(zhǔn)確的圖像感興趣區(qū)域和較好的檢索準(zhǔn)確率。
　　為了進(jìn)一步探知用戶檢索的深層意圖，最大化縮小圖像高層語義特征和底層視覺特征之間的鴻溝距離，本文將基于支持向量機(jī)(SVM)的相關(guān)反饋引入圖像檢索系統(tǒng)中。針對傳統(tǒng)SVM當(dāng)正樣本數(shù)量過少，負(fù)樣本相對數(shù)量過多時出現(xiàn)分類面偏移的問題，本文借鑒打包SVM的思想，將負(fù)樣本打包，選出最優(yōu)SVM分類